多时间序列中重复价格连续时段统计（忽略周末）

核心思路 #

• 按产品ID和日期排序，保证数据时序正确
• 判定相邻日期的连续性：将周五到周一视为连续日，其他日期以上一个工作日是否等于当前日期为标准
• 基于ID、价格和日期连续性生成分组标签，聚合得到连续时段的统计结果

完整代码实现 #

import pandas as pd
from pandas.tseries.offsets import BDay

# 模拟原始数据集
data = {
    'ID': [1,1,1,1,1,2,2,2,2,2],
    'Date': ['2024-02-01','2024-02-04','2024-02-05','2024-02-06','2024-02-07',
             '2024-02-01','2024-02-04','2024-02-05','2024-02-06','2024-02-07'],
    'Price': ['1,00','1,00','1,20','1,30','1,30','1,30','0,90','0,90','0,90','1,30']
}
df = pd.DataFrame(data)

# 数据预处理
df['Date'] = pd.to_datetime(df['Date'])
df['Price'] = df['Price'].str.replace(',', '.').astype(float)
df = df.sort_values(['ID', 'Date']).reset_index(drop=True)

# 标记相邻日期是否连续
df['prev_date'] = df.groupby('ID')['Date'].shift(1)
df['is_continuous'] = (df['Date'] == df['prev_date'] + BDay(1)) | \
                      ((df['prev_date'].dt.weekday == 4) & (df['Date'].dt.weekday == 0))

# 生成分组键：ID变更、价格变更或日期不连续时，开启新分组
df['group'] = (
    (df['ID'] != df['ID'].shift(1)) |
    (df['Price'] != df['Price'].shift(1)) |
    (~df['is_continuous'])
).cumsum()

# 聚合计算结果
result = df.groupby(['ID', 'group', 'Price']).agg(
    start_date=('Date', 'min'),
    end_date=('Date', 'max'),
    repeated_days_count=('Date', 'count')
).reset_index().drop('group', axis=1)

# 恢复价格的逗号分隔格式
result['Price'] = result['Price'].apply(lambda x: f"{x:.2f}".replace('.', ','))

# 调整列顺序为期望格式
result = result[['ID', 'start_date', 'end_date', 'Price', 'repeated_days_count']]

print(result)

关键步骤说明 #

• 预处理：统一日期和价格的数据格式，排序保证时序正确，避免后续计算出错
• 连续性判断：利用BDay()工具类判断工作日连续性，同时单独处理周五到周一的跨周末场景
• 分组逻辑：通过布尔值累加生成分组键，确保同一ID下、相同价格且连续的日期被归为一组，完全区分不同ID和非连续的相同价格
• 聚合输出：按分组统计起止日期、价格和天数，最后还原价格格式匹配期望输出

内容的提问来源于stack exchange，提问作者Milena Bär